《表4 不同算法数据对比：分层联合双边滤波的深度图修复算法研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《分层联合双边滤波的深度图修复算法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

基于结构光的微软Kinect v1 RGB-D传感器设备，配有彩色摄像头和深度传感器（红外发射摄像头和红外接收摄像头）能实时动态获取相同分辨率640×480的图像对（彩色图和与之对应的深度图），通过右手传感器坐标系定义Kinect面向的方向为正Z方向，右侧方向被定义为正X方向。在相同视角获取尺寸为640×480的深度图和彩色图，图10中（a）和（b）分别是Kinect v1采集的彩色图和深度图，其中（c）和（d）分别是JBF和本文算法修复效果的对比。表4是两种算法在RMSE值和PSNR值的对比，深度图的RMSE值减少将近6倍，本文算法的修复效果明显优于JBF算法，在绿色框区域对物体边缘效果保持效果更好，基本上不存在纹理伪像，可有效提高深度图的质量。图11比较了选择不同参数L分别做2倍、4倍、8倍采样时RMSE值。实验表明，使用滤波器中心像素距离为5 （L=5）进行深度图修复在自采数据上效果最理想，同时并非所有的小尺寸滤波器窗口L=3都有利于深度不连续性的修复，大空洞区域需要大尺寸滤波器窗口进行修复。